Tintri今天发布了"2015存储状况"调研报告,在调研中,1000多名数据中心专业人士反映了他们面临的问题和优先考虑的事项。调研报告强调,性能、资本费用和管理是存储领域面临的三大问题,报告同时发现,机构组织的采购决策仍在以物理工作负载的需求为基础,尽管在过去十年中,虚拟化工作负载的比重已经扩大到75%。
在这项研究中,三分之二的受访者表示,他们所在的机构组织超过50%的工作负载已被虚拟化,其中38%的受访者使用不止一个虚拟机管理程序。不过,受访者仍把单位GB成本作为采购存储系统时考虑的排在性能和易用性之后的第三大重要因素。随着企业部署的虚拟机越来越多,准确预测存储系统支出应该使用单位虚拟机成本,而不是使用每GB成本。
Tintri首席营销官Yael Zheng表示:"如果IT决策者在选择存储系统时,继续把针对物理工作负载的采购标准沿用于虚拟工作负载,那么他们的基础设施最终将有可能不适合支持现代应用和他们自己的业务需求。为了改变数据中心并解决所面临的问题,他们需要转向专为虚拟化应用和云设计的存储系统。"
这项研究将使用传统存储技术和使用新一代存储技术的受访者所面临的问题进行了对比,发现使用传统存储系统的受访者在下列每一项都感觉问题更大:
性能(延迟):使用传统存储技术的受访者中,53%的人认为存在性能问题,而在使用新一代存储技术的受访者中这一比例仅为30%
资本费用(减少支出):使用传统存储技术的受访者中,44%的人认为存在资本支出问题,而在使用新一代存储技术的受访者中这一比例为36%
可管理性(管理时间和工作量):使用传统存储技术的受访者中,39%的人认为存在问题,而在使用新一代存储技术的受访者中这一比例为21%。
"2015存储状况"调研报告指出,固守现有存储系统实际上比采用新技术所面临的风险更大。企业开始意识到这点,这也解释了为什么在过去两年中三分之二的受访者早已与新存储厂商合作的原因。
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。